信息技术监控和分析厂商Splunk今天宣布计划收购Flowmill,这家位于美国加州帕洛阿尔托的初创公司,提供的软件平台可以帮助企业更好地了解其网络。
这次收购预计将在2021年1月31日完成,交易条款未对外公布。
在大型云和本地环境中,排除网络故障往往是一件很棘手的事情,因为很难将数据流量与生成流量的系统相匹配。Flowmill的监控平台让流量来源查找变得更为容易一些,帮助IT团队更快地解决问题。
该平台在后台采用给了一种名为eBPF的Linux内核组件,将数据包与系统和应用进行匹配(Linux是目前企业IT环境中使用最广泛的操作系统)。反过来,该平台的eBPF组件可以将代码直接部署到操作系统内核中,收集有关上层应用的低层级活动数据,并通过这些低数据确定是哪些特定工作负载导致了网络故障的发生。
加速故障排除的技术能力并非Splunk收购Flowmill的唯一原因。Flowmill让企业可以部署Flowmill平台而无需修改他们想要监控的应用或网络,从而避免了传统工具各种耗时的要求。而且Flowmill表示,其平台可以用于降低公有云的网络成本,因为它可以更容易识别那些占用大量带宽的应用。
Splunk计划把Flowmill的技术整合到自己的Observability Suite产品包中,用于监控基础设施和应用。这次收购将帮助Splunk向其功能集中增加基于eBPF的监控功能,而这正是眼下竞争对手和风投方越来越关注的一个领域。就在上个月,一家名为Pixie Labs的初创公司走出隐身模式,凭借一个基于eBPF的Kubernetes环境监控平台获得了915万美元的资金。
此次收购Flowmill只是Splunk最近一系列初创企业战略性收购中的最新一笔。上个月,Splunk收购了应用监控公司Plumbr和网站性能优化专业公司Rigor,将自身技术能力扩展到这两家初创公司所在的领域。
好文章,需要你的鼓励
Docker公司发布重大新功能,旨在简化智能体AI应用的构建、运行和部署。公司扩展了Docker Compose工具以支持AI智能体和模型的大规模部署,并推出Docker Offload服务,允许开发者将AI工作负载转移到云端。新功能还支持模型上下文协议网关的安全连接,并与谷歌云、微软Azure等合作伙伴集成。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
欧盟发布AI法案实施细则,要求谷歌、Meta、OpenAI等公司承诺不使用盗版材料训练AI,详细披露训练数据来源和模型设计理念。新规还要求公司尊重付费墙和网站爬虫限制,公开训练和推理的总能耗,并在5-10天内向欧盟AI办公室报告安全事件。违规企业可能面临年销售额7%或3%的罚款。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。